Multi-label relational classification via node and label correlation

طبقه بندی چند لایحه در شبکه داده های شبکه مشکلی را با مشکل گره های گره در شبکه (به عنوان مثال در مجموعه داده ها) با کلاس های مختلف بررسی می کند. رویکردهای موجود مبتنی بر اتصال در دسته بندی با استفاده از همبستگی بین گره های مرتبط مورد استفاده قرار می گیرند. با این حال، این استراتژی محبوب همیشه خوب عمل نمی کند، زیرا محدوده گره ها و همبستگی بین گره ها و برچسب های کلاس را نادیده می گیرد. در این مقاله، ما یک طبقه بندی جدید چند لمسی مرتبط ارائه می دهیم که از همبستگی بین گره ها و برچسب های کلاس بهره می برد. ابتدا گره های مشابه را برای هر گره بدون برچسب بر اساس ساختار شبکه محلی شناسایی می کنیم. سپس ما خوشه بندی در گره ها با برچسب های شناخته شده انجام می دهیم. ما یک احتمال کلاس جمع می کنیم تا ارتباطات بین گره ها و برچسب های کلاس را براساس نتایج خوشه بندی بدست آوریم. آزمایشات با مجموعه داده های دنیای واقعی نشان می دهد که روش پیشنهاد شده ما عملکرد طبقه بندی را نسبت به رویکردهای موجود بهبود می بخشد.